卫星以精确的细节预测贫困
据EurekAlert!：通过将卫星数据与流畅的机器学习相结合，研究人员研发出了一种方法，这种方法能准确地估计家庭的消费与收入。这样的数据在贫穷国家非常稀缺而且也非常难以获得，但对于向研究和政策提供信息而言，这样的数据又十分重要。例如，世界银行在2000-2010年的数据显示，在非洲59个国家中，有39个国家开展的调查不到2起，而且它们不足以对贫困程度进行检测，这些国家中有14个完全没有做过调查。
进行调查的成本高、不频繁而且并非总能深入到这些国家或国家中的某些地区，例如武装冲突就是其中的一个原因。近来一些研究显示，检测夜间灯光的卫星数据可被用来预测某特定地区的富裕程度；然而，单用夜间灯光数据不能有效地区别收入垫底的不同地区，因为在这些地区，卫星图像似乎呈均一黑暗。
为了规避这一问题，Neal Jean等将注意力转到白昼时的图片，后者有更高的清晰度，并能捕捉到诸如道路铺设和金属屋顶等特征，它们皆为有助区分贫困和超贫困地区的标记。研究人员接着研发出了一种复杂的学习算法，它能对这些特征进行分类。几种不同的验证方法显示，它具有高度的准确性。在对贫困线以下地区进行预测时，该新预测模型比夜间灯光模型的准确率提高了81%，比2次低于贫困线地区的预测准确性高99%。重要的是，新的方法使用的是可公开获得的日间卫星数据，它能比调查更频繁地得到重复，且成本较低。此外，初始的证据表明，在某个国家中“被培训的”模型也可用于另一国家。
在一则相关的《视角》中，Joshua Blumenstock对近来所用的方法进行了讨论，研究人员试图用这些方法来精确定位贫困地区；他还对这些由Jean等人所做的最新研究进行了讨论，阐述了它们为何对确定最可能受益于社会改良项目的社区提供了更准确的方法。
